AI, MAX News - Giugno 2026: Il modello si noleggia. Sul resto si investe.

Cosa resta quando arriva il prossimo modello AI?

Questo mese tutto il mondo sembra aver capito una cosa che cambia il modo di decidere dove investire in azienda con l’AI. In sostanza: il modello e un po’ di impalcatura attorno (Cowork, Claude Code, Codex) li fanno gli altri, li noleggiate, e cambiano senza il vostro controllo. Quello che resta è ciò su cui avete investito voi.

Ma sopra quella base ci costruite voi. E create la vostra harness (in inglese to harness: imbrigliare, mettere a frutto una forza), l’impianto che trasforma un modello grezzo in ecosistema utile: i connettori ai vostri sistemi, le skill, il contesto. E sopra ancora, fuori dall’impalcatura, ciò che nessun fornitore vi vende: le vostre persone e i processi che costruite sull’AI. Quello è il vostro asset, e non si noleggia.

Quindi se non volete leggere tutto la risposta corta al titol è: resta ciò che costruite voi - contesto, harness, processi - e le persone che lo guidano. Tutto il resto lo noleggiate.

Ma il mese scorso è stato anche il mese di lancio di Fable 5 e di un colpo di scena che nessuno aveva messo in conto: lo stesso modello, di lì a poco, spento per ordine di un governo. La prova migliore che il modello non è un vostro asset: non decidete nemmeno voi se ce l’avete.

Harness, workflow, loop: l’AI come catena, non come risposta

Prima si parlava di prompt engineering (cosa chiedo). Poi di context engineering (cosa l’AI sa o è in grado di sapere quando risponde). Poi harness engineering - come è costruito l’impianto attorno al modello. Poi, solo nell’ultimo mese, sono spuntati due termini nuovi che salgono sopra a questo - loop engineering (inizio giugno, attorno alla frase di Boris Cherny di Anthropic: «non prompto più, scrivo loop che promptano l’AI per me») e goal engineering (fine giugno: definire l’obiettivo e lasciare al sistema il come). Buzzword utili da conoscere ma che forse impattano meno il vostro lavoro quotidiano anche se sono affascinanti. iniziate a verificare che potete vincere, o perdere in base a come lavorate sul contesto e sull’harness: loop e goal arrivano dopo. Il modello, nel frattempo, scende sempre più in basso nella pila delle priorità, come avevo previsto a fine anno scorso.

Un po’ di articoli di approfondimento per voi:

• The Harness Is Everything. La tesi: ciò che distingue Cursor, Claude Code e Perplexity non è il modello (usano tutti gli stessi), ma l’harness costruito attorno. Il modello è il motore. L’harness è l’automobile. E voi non comprate un motore: comprate un’auto che vi porta da qualche parte.

• Orchestrare subagent con i dynamic workflows. Non più un agente che risponde, ma una rete di sub-agenti orchestrati da uno script generato dall’AI stessa. È il salto da “chiedo una cosa” a “delego un processo”. L’ho raccontato in tempo reale quando mi sono ritrovato a fare il pastore di agenti - decine di agenti che lavorano in parallelo mentre io coordino, decido, chiudo.

• Loop Engineering. Cobus Greyling mette a fuoco il loop: non istruire l’AI una volta, ma progettare il ciclo in cui agisce, valuta, si corregge da sola. Per un’azienda il succo è uno: il valore non sta nel singolo output, sta nel processo ripetibile che lo produce ogni volta.

A Microsoft Build, anche Satya Nadella ha detto la stessa cosa - il vantaggio competitivo dipenderà «meno dallo scegliere un singolo modello e più dal controllare il learning loop» tra persone e tecnologia (originale, sintesi). Microsoft fa già girare lo stesso harness sotto Copilot, Security Copilot e i suoi strumenti di ricerca: stessa impalcatura, modelli intercambiabili sotto. E per fortuna ha parlato dell’importanza di noi umani nel giro 😊

Il punto pratico per chi decide: smettete di valutare l’AI dalla qualità di una singola risposta in una demo, per sentito dire, o dai benchmark. Valutatela da quanto bene riuscite a chiuderci attorno un ciclo di lavoro che si ripete.

E l’umano? Esce dal loop e ci sale sopra

In tutto questo automatismo sembra sparito un protagonista che avevamo lasciato nel loop: noi umani. L’human in the loop, la persona che supervisiona ha evoluto il ruolo. Prima era un passaggio dentro il ciclo - l’AI produce, l’umano controlla il pezzo tecnico, e per farlo doveva essere abbastanza tecnico da capirlo. Con un buon harness l’umano sale sopra il ciclo: definisce l’obiettivo, giudica il risultato, se ne prende la responsabilità. Quel che resta da fare non è tecnico, è capacità di dessign, controllo dell’esecuzione, giudizio di merito.

Ma non di solo harness vive l’uomo. L’impalcatura, da sola, non basta: serve la fluency, il saper lavorare con l’AI. Anthropic l’ha sintetizzata in quattro mosse - delegare, descrivere, discernere, verificare (le 4 D del suo framework AI Fluency). Io la stessa cosa la dico da due anni in un altro modo - ci ho scritto un pezzo proprio sull’AI fluency - ed è il senso del mio libro Assumere un’intelligenza artificiale in azienda: con l’AI non si tratta di programmarla, si tratta di assumerla e gestirla come un collaboratore. Non serve essere tecnici, serve saper delegare bene a chi - o cosa - lavora per voi. E quello, con le persone, un buon manager lo sa già fare.

Ed è per questo che questi sistemi smettono di essere roba “da nerd”: se la parte tecnica vive dentro l’harness, a guidarla può essere chi ha la competenza del mestiere - il commerciale, l’avvocato, il capoturno - anche senza scrivere una riga di codice. Con un però: l’harness abbassa il pavimento tecnico, ma la fluency alza il soffitto. Uno o più “stagisti AI” autonomi in mano a chi non sa descrivere, discernere e verificare non sono una risorsa ma un’arma molto pericolosa. Un minimo di controllo tecnico, di fluency sull’AI e di giudizio di dominio sapranno contenere il tutto.

Ne ho scritto l’altro ieri, in un carosello: la scala dal prompt engineering in poi - cosa resta quando arriva il prossimo modello? La risposta breve è tutta qui: resta l’harness, e resta l’umano che lo sa guidare. E il prossimo modello, puntuale, è arrivato: si chiama Fable 5.

Fable 5, ovvero: perché correre dietro al modello più potente conta meno di quanto sembri

Questo mese Anthropic ha rilasciato Fable 5. E il marketing ha fatto il suo lavoro: più potenza, nuovo modello, tutti a parlarne.

Io l’ho preso da un’altra angolazione, e l’ho scritto senza giri di parole: più potenza non vuol dire più capacità (e, aggiungo, non vedevamo l’ora di spendere di più). Persino Karpathy ha notato che Fable 5 è lo stesso modello di base di “Mythos”, con dei safeguard in più - e pur definendolo un salto importante, resta questo: stesso motore sotto. Mi ha risolto un grosso problema in un progetto, illuminato sul futuro della formazione con l’AI (vi racconterò☺️) e poi… è sparito!

Il 12 giugno il governo USA ha imposto ad Anthropic di disattivare l’accesso a Fable 5 e Mythos 5, citando “la sicurezza nazionale”. Ne avete letto di sicuro, e io ne ho scritto a caldo qui, quindi non mi dilungo. Scena simile per OpenAI (ma almeno lì non ci siamo divertiti prima: la stretta è arrivata prima del rilascio): i nuovi modelli - GPT-5.6 Sol, Terra, Luna - sono usciti solo per un “piccolo gruppo di partner fidati”, sempre su richiesta del governo. (CNBC) Non è un incidente isolato di Anthropic: in pochi giorni l’intero frontier americano - Anthropic e OpenAI insieme - è finito sotto il filtro del governo. Per chi ci costruisce sopra significa una cosa sola: le opzioni di punta non le decide più solo il mercato, le decide anche la politica di un altro Paese.

Fermatevi un attimo a sentire il peso di questa frase: il modello su cui avete costruito la strategia può essere spento da un governo straniero nel giro di una notte. Non per un down tecnico, non per un cambio di listino - per geopolitica.

Se siete un’azienda italiana o europea e il vostro processo critico dipende da un singolo frontier americano, questo non è più un rischio di costo. È un rischio di disponibilità e di sovranità.

Ed è il miglior argomento possibile a favore della tesi di tutto questo numero: tenete il valore nell’harness e nei vostri dati, trattate il modello come una commodity sostituibile - meglio ancora se aperta, e capace di girare a casa vostra.

Ecco il ragionamento da portare nel vostro Board AI (Ne avete uno vero?): se avete costruito un buon harness, qual è il vero impatto di un modello del 5% più potente? Quasi nessuno. Il vostro ciclo di lavoro funziona già. Il salto di capacità marginale del frontier di turno non sposta i vostri risultati ma solo la vostra bolletta. E, come avete appena visto, dipendere da quel frontier può spostare ben più della bolletta.

Non è un invito a ignorare i modelli nuovi ma a smettere di farne il centro della strategia. Il centro è l’harness. Il modello è una commodity che ci infili dentro - e, come vedete qui sotto, di commodity ce ne sono sempre di più.

Il modello che gira a casa vostra (e quello che arriva da Oriente)

Sempre meno vero che serva pagare token su infrastrutture gestite.

• Locale: i conti sono più sottili di come ve li raccontano. Un’analisi sul costo totale di possesso 2026 mette il self-hosting attorno a $0,40 per milione di token, ma il pareggio col cloud arriva solo dopo 18-24 mesi a 3-5 milioni di token al giorno/utente, una volta ammortizzato l’hardware. Per carichi leggeri o a singhiozzo il cloud resta più conveniente. (TCO 2026) Considerate però che il calcolo vero - capex più l’opex che ne deriva - è più difficile di quanto sembri (ne parlo nel libro), ma almeno potete risolvere la sovranità. Il motivo per portarsi il modello in casa è che i dati non escono - e quel blocco di compliancy l’ho visto fermare l’adozione ai di parecchie aziende già quest’anno. Figuriamoci ora, dopo lo spegnimento di giugno.

• Open-weight di livello frontier, licenza permissiva. Qwen3 (Apache 2.0) scala da un modello che gira su un telefono a un 235B che rivaleggia coi frontier cloud. Per gli ambienti compliance-heavy - dove far uscire i dati dall’azienda era il vero ostacolo - questo toglie la barriera strutturale: peso scaricabile, deploy sulla vostra infrastruttura, dati che non escono. (panoramica modelli open-weight 2026)

• L’onda cinese di giugno. Mentre l’Occidente alza i listini, in Asia escono modelli aperti a ritmo serrato. Solo questo mese: GLM-5.2 (Z.ai), Kimi K2.7 Code (Moonshot), e soprattutto MiniMax M3 - che secondo MiniMax è il primo open-weight a mettere insieme coding di livello frontier, contesto da 1 milione di token e multimodalità nativa. Sulla SWE-Bench Pro guida tra gli open-weight (59%), pur restando sotto i proprietari di punta. (MiniMax M3, the-decoder)

La lettura, da verificare sui vostri use case: *il prezzo dei modelli proprietari di punta sale, ma il modello come scelta strategica si sta commoditizzando.*

Siate strabici: il frontier costa di più e vi tiene allenati su dove sta la frontiera (non abbandonatelo), ma con l’harness giusto vi serve di meno (forse l’ho già scritto più di qualche volta in questa newsletter, lo so ☺️) - e una commodity open-weight in locale o su cloud privato copre buona parte del lavoro senza far uscire un byte. Io non li ho ancora testati a fondo nei miei flussi anche se ne uso un po’ per attività residuali, non ve li vendo come miracoli: ma l’inerzia “frontier-proprietario-only”, questo mese, vale la pena di romperla.

Concetti sparsi ma importanti

• Come usiamo davvero l’AI (e chi ne esce più sereno). L’Anthropic Economic Index di giugno ribalta un timore diffuso: chi delega di più all’AI è anche il più ottimista sul proprio futuro - si aspetta paga, sicurezza e valore delle competenze in crescita, non in calo. Aggiungete che il 93% delle conversazioni produce qualcosa di concreto e che le professioni più pagate consumano 2,5 volte più token: l’AI non sta sostituendo il lavoro di valore, lo sta amplificando in mano a chi la sa guidare.

• Cyber: l’attacco si sposta sul workflow. Hades avvelena i pacchetti di PyPI: appena ne installi uno infetto ti ruba le credenziali, e usa prompt injection per ingannare i tool di sicurezza basati su AI. Più ambienti agentici costruite, più la superficie d’attacco diventa la catena di montaggio - e perfino il guardiano AI che la sorveglia. Configurare con consapevolezza non è paranoia, è igiene.

• AI Act: il calendario slitta, l’obbligo no. Il 16 giugno il Parlamento UE ha votato (423 a favore) per dilazionare le scadenze sui sistemi ad alto rischio: gli standalone slittano a dicembre 2027, manca il via libera del Consiglio. Più tempo per mettervi in regola, ma la governance va costruita dentro l’architettura, non scritta in una policy da archiviare.

• Il tempo che accelera. Più correte con l’AI, più il tempo sembra sfuggirvi: la Harvard Business Review (marzo 2026) lo chiama brain fry, il sovraccarico di chi gestisce troppi strumenti AI insieme. Vale la pena chiedersi se l’AI vi sta restituendo tempo o solo spostando dove lo bruciate.

Quindi

• Cosa resta quando arriva il prossimo modello: quello che costruite voi - contesto, harness di vostra competenza, processi - e le persone che lo guidano. Modello e impalcatura di base restano a noleggio. Valutate l’AI da questo ciclo ripetibile, non da una risposta in demo (lo dice anche Nadella: il vantaggio è controllare il loop, non scegliere il modello). Ci sto dedicando due post, in uscita in estate.

• Il modello si commoditizza. Il frontier proprietario costa di più; con un buon harness vi serve di meno. Open-weight in locale o su cloud privato copre molto, a frazione del costo, senza far uscire i dati.

• Dipendere da un solo frontier è un rischio di sovranità, non solo di prezzo. Questo mese un governo ha spento e poi razionato i modelli di punta di Anthropic e OpenAI. Il valore va tenuto dove nessuno può spegnerlo: i vostri dati, il vostro loop.

• Fable 5 insegna una cosa più che venderne un’altra: più potenza ≠ più capacità per voi. Il +5% del frontier non sposta i vostri risultati, sposta la bolletta.

• La sicurezza si è spostata sul workflow. Più ambienti agentici costruite, più l’attacco mira alla catena di montaggio, non al database.

• AI Act: il calendario slitta, l’obbligo no. Più tempo per mettervi in regola, ma la governance va costruita nell’architettura, non scritta in una policy.

Volete capirli davvero? Provateli

Questi harness non si capiscono a parole, si capiscono costruendone uno. Per partire da zero c’è una quantità enorme di strumenti gratuiti online: apriteli e sporcatevi le mani.

Se invece volete una strada guidata, c’è il percorso che ho costruito dentro AI, MAX Academy: miniMe - il tuo agente AI, sul tuo computer. Si parte dal foglio bianco e in poche serate arrivate al primo ambiente personale funzionante, con i vostri materiali veri e un tutor AI dentro la piattaforma - anche senza scrivere una riga di codice. È il modo più diretto per capire a fondo tutto quello che ho raccontato qui.

E per voi che leggete la newsletter è in promo al 70% di sconto, ancora attiva questo mese.

Inizia il corso miniMe - 70% di sconto

Nel prossimo numero: cosa ho visto chiudendo tre AI Team

Una nota personale per chiudere. Questo mese ho terminato tre percorsi AI Team con altrettante aziende. E ho visto dal vivo qualcosa che merita un numero a parte: persone che in azienda hanno iniziato a fare cose che non avevano mai fatto - scrivere codice, costruirsi strumenti, automatizzare processi loro. Il full-stack human non è una teoria da blog: sta ridisegnando i perimetri e i confini dei ruoli, dall’interno.

Ci sto ragionando su, e nel prossimo numero vi porto le considerazioni a freddo, dopo gli incontri di chiusura. Se nel frattempo avete storie simili nella vostra azienda - qualcuno che ha sfondato il proprio perimetro grazie all’AI - scrivetemi, sto raccogliendo storie.

Enjoy AI Responsibly! Massimiliano